Use of artificial intelligence as an auxiliary method in the clinical diagnosis of oral lesions
Year: 2026
Type: dissertation
Abstract: O diagnóstico de lesões bucais representa um desafio na prática clínica, em razão da ampla variabilidade morfológica, da sobreposição de características clínicas entre diferentes condições e da possibilidade de progressão de determinadas lesões para malignidade. Ferramentas baseadas em inteligência artificial (IA) têm sido propostas como suporte à tomada de decisão clínica, especialmente no rastreamento do carcinoma espinocelular de boca (CECB) e das desordens potencialmente malignas da boca (DPMB). Este estudo apresenta uma abordagem complementar a partir de dois eixos: a avaliação de ferramentas de IA amplamente acessíveis e a análise do uso clínico de um sistema baseado em rede neural convolucional (RNC) desenvolvido para auxiliar no processo diagnóstico. No primeiro artigo, foi realizado um estudo transversal descritivo para avaliar o desempenho das ferramentas Google Lens e ChatGPT-4.0 na análise de imagens clínicas de lesões bucais, variações da normalidade e mucosa saudável. Observou-se melhor identificação de lesões fundamentais específicas, como placa e úlcera, porém com baixa acurácia diagnóstica global. O ChatGPT-4.0 demonstrou melhor desempenho na identificação de lesões do tipo pápula-nódulo (73,6%) e placa (66,7%), enquanto o Google Lens apresentou maiores acertos diagnósticos em lesões vesiculo-bolhosas (51,4%). O Google Lens não retornou resultados em 10,3% das imagens clínicas analisadas, além do uso frequente de fontes não científicas, evidenciando limitações quanto à confiabilidade das informações. No segundo eixo, foi avaliado o uso clínico do aplicativo Oral Cancer Clinical Support, por meio da análise de 261 imagens clínicas de lesões bucais, distribuídas em três grupos: Neoplasias Malignas de Mucosa (NMM), DPMB e Lesões Proliferativas não Neoplásicas (LPNN). Foi avaliado o desempenho da segmentação da área lesional e a concordância dos desfechos fornecidos. A segmentação completa foi a mais frequente (47,89%), seguida pela incompleta (39,08%). Observou-se concordância alta em 47,89% dos casos, com melhor performance em NMM (75%) e LPNN (59,78%). No grupo DPMB, predominou a classificação inadequado plausível (43,60%), sugerindo maior dificuldade do sistema diante da heterogeneidade dessas lesões. Os resultados indicam que ferramentas de IA, tanto de uso amplo quanto de sistemas especializados, apresentam potencial como instrumentos auxiliares na triagem e no suporte ao diagnóstico de lesões bucais. No entanto, o desempenho ainda é variável e insuficiente para incorporação à rotina clínica. O aprimoramento desses sistemas, por meio da ampliação das bases de dados, inclusão de diferentes grupos de lesões e integração de informações clínicas e histopatológicas, é fundamental para aumentar sua acurácia e aplicabilidade clínica.
Author: Moraes, Henrique Guzmán
Language: Portuguese
Topic: AI in cancer detection
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7213384389